文献

J-GLOBAL ID：202102287409561378   整理番号：21A0539923

チャネル集約によるNOMA-V2X-フェムトセルのための新しいリソース割当方式【JST・京大機械翻訳】

A Novel Resource Allocation scheme for NOMA-V2X-Femtocell with Channel Aggregation

著者 (6件)： Kim Jeehyeong (Kennesaw State University,Dept. of Computer Science,Marietta,Georgia,USA) ,  Son Junggab (Kennesaw State University,Dept. of Computer Science,Marietta,Georgia,USA) ,  Stone William (Kennesaw State University,Dept. of Computer Science,Marietta,Georgia,USA) ,  Kim Hyunbum (Incheon National University,Dept. of Embedded Systems Engineering) ,  Noh Jaewon (Hanyang University,Dept. of Computer Science and Engineering,Ansan,South Korea) ,  Cho Sunghyun (Hanyang University,Dept. of Computer Science and Engineering,Ansan,South Korea)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： GLOBECOM  ページ： 1-6  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 異種ネットワークにおける車両(V2X)への車両は,車両(V2V),車両から大型基地局(V2C)への車両,およびフェムトセル基地局(U2F)へのセルユーザ装置のようなチャネル内の複数の通信リンクを同時に保持する。高いスペクトル効率を提供するために,非直交多重アクセス(NOMA)とチャネル凝集のような多くの努力があった。しかし,NOMA-V2X-フェムトセルの上部にこれらのスキームを組み合わせることは,考慮すべき次元の数を増すので,極めて困難である。この問題に取り組むために,本論文では新しい遺伝的深層学習アルゴリズムを提案した。遺伝的アルゴリズム(GA)を用いて,スループットとニューラルネットワークを最大化し,次元を徐々に縮小する方法で,チャネル当りの通信リンクのペアを見つける。ニューラルネットワークを訓練して,どのペアが最終結果の一部になるかを予測した。適切なペアは深層学習によってマークされ,その後,それらはその後の世代でシャッフルされない。シミュレーション結果は,既存のGAと比較して,提案した方式が20%以上の高いスループットを達成することを示した。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 凝集 ,  シミュレーション ,  ニューラルネットワーク ,  遺伝 ,  *資源割付 ,  基地局 ,  多重化 ,  スループット ,  チャネル ,  直交性 ,  遺伝的アルゴリズム ,  学習アルゴリズム ,  周波数利用効率
準シソーラス用語： *フェムトセル ,  深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： チャネル ,  集約 ,  V2X ,  フェムトセル ,  リソース割当